کتاب صوتی سلوك‌های پدیدارشده در هوش مصنوعی قدرتمند: از مبانی تا کاربردهای عملی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره سلوك‌های پدیدارشده در هوش مصنوعی قدرتمند: از مبانی تا کاربردهای عملی

موضوع کلی: هوش مصنوعی

موضوع میانی: رفتارهای پدیدارشده در هوش مصنوعی قدرتمند

📋 سرفصل‌های دوره

• 1. مقدمه به هوش مصنوعی قدرتمند
• 2. تفاوت هوش مصنوعی ضعیف، متوسط و قدرتمند
• 3. چارچوب‌های قانون‌گذاری و اخلاق برای هوش مصنوعی قدرتمند
• 4. مبانی ریاضیات برای پدیدارشدن (نظریه کنترل، دینامیک‌ها)
• 5. مبانی نظریه بازی‌ها و پدیدارشدن در هوش مصنوعی
• 6. مفهوم پدیدارشدن در سیستم‌های هوش مصنوعی
• 7. پدیدارشدن در شبکه‌های عصبی مصنوعی
• 8. پدیدارشدن در یادگیری عمیق (شبکه‌های عصبونی با چندلایه)
• 9. پدیدارشدن در مدل‌های زبانی بزرگ (LLMs)
• 10. پدیدارشدن در یادگیری تقویتی (RL)
• 11. پدیدارشدن در سیستم‌های چندعامله (MAS)
• 12. پدیدارشدن در یادگیری خودنظارتی
• 13. پدیدارشدن در یادگیری تقویتی با بازی‌های چندنفره
• 14. پدیدارشدن در بهینه‌سازیگرهای تکاملی (Evo‑Ops)
• 15. پدیدارشدن در مدل‌های تولید مثلی (Generative Models)
• 16. پدیدارشدن در شبکه‌های مولد مخالف (GANs)
• 17. پدیدارشدن در مدل‌های واریاتیون خودکار (VAEs)
• 18. پدیدارشدن در یادگیری ماشین توزیع‌شده
• 19. پدیدارشدن در یادگیری ماشین مبتنی بر قواعد
• 20. پدیدارشدن در سیستم‌های مبتنی بر دانش
• 21. پدیدارشدن در یادگیری نظارتی با داده‌های نامشخص
• 22. پدیدارشدن در مدل‌های هوش مصنوعی توضیح‌پذیر (شفافیت)
• 23. پدیدارشدن در مدل‌های هوش مصنوعی مبتنی بر جبر
• 24. پدیدارشدن در مدل‌های هوش مصنوعی مبتنی بر آمار
• 25. پدیدارشدن در مدل‌های هوش مصنوعی مبتنی بر ژنتیک
• 26. پدیدارشدن در یادگیری چندوظیفه‌ای (Multi‑Task Learning)
• 27. پدیدارشدن در یادگیری چندفرم (Multi‑Modal Learning)
• 28. پدیدارشدن در یادگیری چندنفره (Multi‑Agent Learning)
• 29. پدیدارشدن در یادگیری چندمدل (Multi‑Model Integration)
• 30. پدیدارشدن در یادگیری خودکار با سوپرویژن (Self‑Supervised Learning)
• 31. پدیدارشدن در مدل‌های پیش‌آموزش‌یافته (Pre‑trained Models)
• 32. پدیدارشدن در بهینه‌سازیگرهای مبتنی بر جمعیت
• 33. پدیدارشدن در شبکه‌های عصبونی نرون‌گازی (Neuro‑Gas)
• 34. پدیدارشدن در سیستم‌های خودسازگار (Self‑Organizing Systems)
• 35. پدیدارشدن در یادگیری ماشین با نظارت ضعیف
• 36. پدیدارشدن در مدل‌های هوش مصنوعی مبتنی بر قواعد فازی
• 37. پدیدارشدن در یادگیری ماشین با داده‌های نامشخص (Uncertain Data)
• 38. پدیدارشدن در یادگیری ماشین با داده‌های زمانی (Temporal Data)
• 39. پدیدارشدن در مدل‌های پیش‌بینی‌کننده زمانی (Time‑Series AI)
• 40. پدیدارشدن در مدل‌های تصمیم‌گیری تحت عدم قطعیت
• 41. پدیدارشدن در سیستم‌های هوش مصنوعی چندفرم (Cross‑Modal AI)
• 42. پدیدارشدن در یادگیری ماشین با داده‌های مکانی (Spatial AI)
• 43. پدیدارشدن در مدل‌های هوش مصنوعی مبتنی بر گراف
• 44. پدیدارشدن در مدل‌های هوش مصنوعی مبتنی بر شبکه‌های عصبونی گراف (GNNs)
• 45. پدیدارشدن در یادگیری ماشین با داده‌های شبکه‌ای (Graph Learning)
• 46. پدیدارشدن در مدل‌های هوش مصنوعی مبتنی بر یادگیری عمیق با داده‌های چندلایه
• 47. پدیدارشدن در یادگیری ماشین با داده‌های سلسله‌ای (Sequence Learning)
• 48. پدیدارشدن در مدل‌های هوش مصنوعی مبتنی بر توجه (Attention Mechanisms)
• 49. پدیدارشدن در مدل‌های ترجمه‌کننده زبانی (NMT)
• 50. پدیدارشدن در مدل‌های تولیدکننده گفتار (Speech Synthesis)
• 51. پدیدارشدن در مدل‌های تشخیص دهنده گفتار (ASR)
• 52. پدیدارشدن در یادگیری ماشین با داده‌های تصویری (Computer Vision)
• 53. پدیدارشدن در مدل‌های طبقه‌بندی‌کننده تصویر (Image Classification)
• 54. پدیدارشدن در مدل‌های پیش‌بینی‌کننده تصویر (Image Generation)
• 55. پدیدارشدن در مدل‌های تشخیص دهنده اشیاء (Object Detection)
• 56. پدیدارشدن در یادگیری ماشین با داده‌های ویدیویی (Video Understanding)
• 57. پدیدارشدن در مدل‌های پیش‌بینی‌کننده حرکت (Action Recognition)
• 58. پدیدارشدن در مدل‌های هوش مصنوعی مبتنی بر رمزنگاری (Crypto AI)
• 59. پدیدارشدن در مدل‌های هوش مصنوعی مبتنی بر بلاک‌چین
• 60. پدیدارشدن در مدل‌های هوش مصنوعی آینده (Future Trends and Open Challenges)